基于混合运动模型的相对状态估计
夏睿灿
裴海龙
华南理工大学自动化科学与工程学院自主系统与网络控制教育部重点实验室;广东省无人机系统工程技术研究中心,广东广州 510640
摘要：相对状态的精确估计通常依赖参考平台准确的角加速度,在航天场景由外力矩计算,而在日常环境中由于未知阻力普遍存在,准确的外力矩难以获取,角加速度一般由角速度差分近似,导致相对状态估计精度下降.对此,本文构建一种仅依赖惯性测量的相对运动模型,称为混合运动模型,其将恒定加速度模型与向量运动学结合,在独立于力矩和惯性状态的情况下,精确预测相对状态.此外,本文设计扩展卡尔曼滤波器(EKF),将该运动模型与视觉相对观测结合,实现高精度相对状态估计,并以仿真和实际数据评估其性能.仿真实验从轨迹动态特性和相对观测丢失的角度对比该EKF和目前先进的方法,结果证明本文提出的方案具有较高的精度和稳定性.实际实验利用本方法实现虚拟现实应用中的六自由度手柄视觉跟踪,验证其具备先进的毫米级定位精度,演示链接见 bili.com/video/BV1mv4y1d7iD/.
关键词：相对状态估计多机器人协同虚拟现实扩展卡尔曼滤波器传感器融合
论文发表日期：2024-07-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：9( 1207-1215 )
英文信息